Tại sao 80% dự án AI không vượt qua giai đoạn thử nghiệm

Vấn đề triển khai bị bỏ qua đang khiến các công ty thiệt hại hàng tỷ USD giá trị AI chưa được hiện thực hóa. Hãy tưởng tượng việc chi hàng triệu USD để chế tạo chiếc xe Công thức 1 nhanh nhất thế giới. Các kỹ sư tài giỏi, công nghệ đột phá và mọi lần chạy thử đều thành công. Các nhà đầu tư ăn mừng. Các giám đốc điều hành gọi đó là tương lai. Sau đó, ngày đua đến – và chiếc xe không bao giờ rời khỏi gara. Không phải vì nó thất bại, mà vì không ai tìm ra cách đưa nó ra đường đua. Nghe có vẻ khó tin? Đó chính xác là những gì đang xảy ra với hầu hết các dự án AI ngày nay. Khi tham vọng AI đối mặt với thực tế Kể từ khi AI tạo sinh (generative AI) trở nên phổ biến, các công ty thuộc mọi ngành đã vội vàng áp dụng nó. Các ngân hàng đang xây dựng trợ lý ảo, bệnh viện đang khám phá chẩn đoán bằng AI, các nhà bán lẻ đang cải thiện dự báo nhu cầu và các nhà sản xuất đang tự động hóa hoạt động. Tiềm năng là rất lớn, và ít tổ chức nào muốn bị bỏ lại phía sau. Tuy nhiên, nhiều dự án AI không bao giờ vượt ra ngoài giai đoạn thử nghiệm. Chúng nhận được tài trợ, tạo ra sự phấn khích và mang lại kết quả đầy hứa hẹn, nhưng sau đó biến mất trước khi tạo ra tác động kinh doanh có ý nghĩa. Vấn đề không phải là AI không hoạt động. Trong nhiều trường hợp, nó hoạt động chính xác như mong đợi. Thách thức thực sự là biến một thử nghiệm thành công thành một hệ thống mà mọi người có thể sử dụng một cách đáng tin cậy trong thế giới thực. Vấn đề dự đoán hàng triệu USD của một gã khổng lồ bán lẻ Hãy xem xét một công ty bán lẻ lớn phát triển hệ thống dự báo dựa trên AI để dự đoán nhu cầu của khách hàng. Trong quá trình thử nghiệm thí điểm, mô hình mang lại kết quả ấn tượng, xác định xu hướng theo mùa, dự đoán tình trạng thiếu hàng tồn kho và vượt trội so với các phương pháp dự báo truyền thống. Từ góc độ kỹ thuật, dự án là một thành công. Các giám đốc điều hành nhìn thấy cơ hội giảm lãng phí, giảm chi phí và cải thiện khả năng cung cấp sản phẩm. Tuy nhiên, việc mở rộng hệ thống lại khó khăn hơn nhiều so với việc xây dựng nó. Các cửa hàng khác nhau sử dụng các nền tảng phần mềm khác nhau, dữ liệu được ghi lại không nhất quán và nhiều nhà quản lý vẫn tiếp tục dựa vào bảng tính và kinh nghiệm. Khi các thách thức triển khai gia tăng, dự án bắt đầu đình trệ. AI tiếp tục đưa ra các dự báo chính xác, nhưng tổ chức gặp khó khăn trong việc tích hợp những thông tin chi tiết đó vào quá trình ra quyết định hàng ngày. Ví dụ này làm nổi bật một nguyên nhân phổ biến của Pilot Purgatory (tạm dịch: Vòng luẩn quẩn của dự án thí điểm): thành công trong môi trường thí điểm không đảm bảo thành công ở quy mô lớn. Nếu không có chất lượng dữ liệu, tích hợp quy trình làm việc, sự chấp nhận của nhân viên và quyền sở hữu, ngay cả hệ thống AI chính xác nhất cũng có thể không tạo ra tác động kinh doanh có ý nghĩa. IBM Watson: AI được cho là sẽ thay đổi việc chăm sóc ung thư Năm 2011, Watson của IBM đã đánh bại các nhà vô địch con người trong chương trình đố vui Jeopardy!, trở thành biểu tượng cho những gì trí tuệ nhân tạo có thể đạt được. Vài năm sau, IBM giới thiệu Watson for Oncology, một hệ thống AI được thiết kế để phân tích hồ sơ y tế, các bài báo nghiên cứu và các nghiên cứu lâm sàng nhằm giúp các bác sĩ xác định các lựa chọn điều trị cho bệnh nhân ung thư. Dự án đã tạo ra sự phấn khích lớn, với nhiều người coi đó là một bước đột phá lớn trong lĩnh vực chăm sóc sức khỏe. Tuy nhiên, các bệnh viện nhanh chóng phát hiện ra rằng y học trong thế giới thực phức tạp hơn nhiều so với một môi trường được kiểm soát. Mỗi bệnh nhân đều khác nhau, và các quyết định điều trị thường phụ thuộc vào các yếu tố không thể được ghi lại một cách gọn gàng trong dữ liệu. Khi các nhà cung cấp dịch vụ chăm sóc sức khỏe cố gắng tích hợp Watson vào quy trình làm việc của họ, việc áp dụng vẫn còn hạn chế. Câu chuyện của Watson làm nổi bật một bài học quan trọng: xây dựng một hệ thống thông minh chỉ là một nửa trận chiến. Thách thức khó khăn hơn là biến hệ thống đó thành một công cụ hữu ích. trí tuệ nhân tạo (AI) hoạt động hiệu quả trong thế giới thực. Khi Amazon nhận ra AI có thể kế thừa thành kiến của con người Một trong những ví dụ được trích dẫn thường xuyên nhất về những thách thức trong triển khai AI đến từ công cụ tuyển dụng thử nghiệm của Amazon. Công ty đã huấn luyện một hệ thống AI dựa trên dữ liệu tuyển dụng trong quá khứ để xác định các ứng viên tiềm năng và cải thiện hiệu quả tuyển dụng. Tuy nhiên, dự án đã bộc lộ một thách thức cơ bản: các mô hình học hỏi từ dữ liệu được cung cấp, bao gồm cả những sai sót của dữ liệu đó. Thay vì hoạt động như một công cụ đánh giá khách quan, hệ thống bắt đầu phản ánh các khuôn mẫu có trong các quyết định tuyển dụng trước đây. Vấn đề không phải là AI ngừng hoạt động. Nó đã thực hiện chính xác những gì nó được thiết kế để làm – xác định các khuôn mẫu từ kết quả tuyển dụng trước đó. Vấn đề là một số khuôn mẫu đó mâu thuẫn với các mục tiêu và giá trị của công ty. Khi những lo ngại về tính công bằng và độ tin cậy gia tăng, Amazon cuối cùng đã ngừng dự án. Trường hợp này làm nổi bật một thực tế quan trọng: thành công không chỉ được quyết định bởi hiệu suất kỹ thuật. Các tổ chức cũng phải xem xét tính công bằng, minh bạch, tuân thủ và lòng tin. Trong bối cảnh Pilot Purgatory, công cụ tuyển dụng của Amazon cho thấy những trở ngại lớn nhất đối với việc áp dụng AI thường là về tổ chức và đạo đức hơn là về công nghệ. Vấn đề thực sự không phải là xây dựng AI Hầu hết mọi người đều cho rằng việc tạo ra mô hình là phần khó khăn. Thường thì đó lại là phần dễ nhất. Thử thách thực sự bắt đầu sau đó. Hãy nghĩ về mọi thứ mà một hệ thống AI phải vượt qua trước khi đi vào sản xuất: Đánh giá bảo mật Kiểm tra tuân thủ Phê duyệt pháp lý Tích hợp dữ liệu Đào tạo nhân viên Mở rộng cơ sở hạ tầng Đánh giá ngân sách Kỳ vọng của ban điều hành Một nguyên mẫu AI chỉ cần gây ấn tượng với một nhóm nhỏ người. Một hệ thống sản xuất phải tồn tại trong toàn bộ một tổ chức. Tại sao nhân viên có thể trở thành trở ngại lớn nhất đối với việc áp dụng AI Một lý do bị bỏ qua khiến các dự án AI bị đình trệ lại đáng ngạc nhiên là do con người. Con người không phải lúc nào cũng tin tưởng máy móc. Hãy tưởng tượng bạn đã làm việc trong dịch vụ khách hàng mười lăm năm. Một ngày nọ, ban quản lý giới thiệu một công cụ AI tuyên bố có thể trả lời câu hỏi của khách hàng nhanh hơn bạn. Bạn có tin tưởng ngay lập tức không? Có lẽ là không. Nhiều tổ chức phát hiện ra rằng thách thức lớn nhất của họ không phải là kỹ thuật. Đó là hành vi. Nhân viên thường tiếp tục sử dụng các công cụ quen thuộc vì sự quen thuộc mang lại cảm giác an toàn hơn sự đổi mới. Một thuật toán hoàn hảo có ý nghĩa rất ít nếu không ai muốn sử dụng nó. Xe tự lái: Thử nghiệm cuối cùng về triển khai AI Xe tự lái là một trong những